随机集粒子滤波的快速被动数据关联算法

针对杂波干扰环境下的被动多目标跟踪问题,将多站集中式融合方法与概率假设密度粒子滤波递归过程相结合,实现被动多目标跟踪．进一步,将概率假设密度粒子滤波递归过程并行化处理,每个目标使用单独滤波器跟踪,避免了大量粒子的聚类过程,简化算法复杂度,进而提出一种快速被动数据关联算法．实验结果表明,与传统算法相比,新算法可以在不增加额外计算负担的基础上,有效得到每个目标的航迹．特别对于目标发生交叉的情况,能很好地区分每个目标的航迹．     

多特征融合匹配的霍夫森林多目标跟踪

针对目标遮挡、形变等复杂环境中多目标跟踪准确性低的问题,提出了一种多特征融合匹配的霍夫森林多目标跟踪算法．首先,该算法根据目标检测响应进行初步关联,在线选取正负样本,通过融合颜色直方图、方向梯度直方图特征以及光流信息构建目标的特征模型;然后利用霍夫森林学习,形成可靠的长轨迹;最后采用多特征融合的轨迹匹配算法,引入颜色直方图的相似性度量和基于Gabor滤波器的特征点匹配两种方式,形成加权融合的概率矩阵,将长轨迹逐级关联为目标的完整轨迹．实验表明,该算法在多个复杂环境的视频序列中,可以有效解决目标形变、相互遮挡等问题,能实现多目标的鲁棒性跟踪．     

基于Toeplitz降维子矩阵的空间多目标跟踪算法

为了克服传统的移动多目标跟踪计算量大、实时性差的缺点,针对阵列天线提出新的多目标跟踪算法.该算法利用阵元接收数据构造空域Toeplitz矩阵,截取该矩阵的一个子矩阵,采用Lagrange极值定理迭代跟踪子矩阵的最小噪声特征向量.根据得到的噪声特征向量,估计空间多个移动目标的波达方向(DOA).该算法对原接收矩阵进行了降维,因而有效地降低了计算复杂度.此外,对数据进行的Toeplitz重构,使得降维后的子矩阵保留了所有阵元的接收信息.仿真结果表明,该算法不但可以处理相关信源,而且具有很好的空间分辨率,适合对目标源进行实时跟踪.     

一种多站联合多目标跟踪新算法

本文基于分散估计的基本原理，用带次优渐消因子的扩展卡尔曼滤波器对以非线性方程为运动方程的多个目标状态进行估计。给出一种新的多站联合多目标跟踪算法，该算法精度高，具有良好的实时性。     

组网无源雷达变数目多目标跟踪算法

针对组网无源雷达多目标跟踪问题,提出一种新的变数目多目标跟踪算法,实时估计目标数目与多目标状态．算法采用多站集中式融合策略解决无源观测的不完全性问题,采用最小二乘算法构造伪位置观测解决无源观测的非线性问题．针对变数目多目标跟踪问题,利用随机集理论将多目标状态与观测构成随机有限集,通过高斯混合概率假设密度滤波递归计算多目标状态随机有限集的后验强度,实时得到目标数目及其状态的估计．算法引进最小二乘算法估计出候选目标点进行数据关联,解决了无源观测线较近时无源数据关联精度下降问题．仿真实验验证了该算法的有效性．     

一种空中运动多目标形心跟踪方法

空中运动多目标识别与跟踪技术是武器电视跟踪系统中的关键技术．本文根据武器电视跟踪系统服务目标的特点，提出了一种基于形心的空中运动多目标跟踪方法、首先通过对图像进行分割、贴标签，前景区域面积和几何中心计算等处理，接着依据面积和几何中心这两个特征参数对目标进行粗识别和噪声滤除、选择跟踪对象，并以这两个特征为判别依据，实现了对空中运动多目标的选择跟踪、实验结果表明，该方法可以快速有效的对任意形状的运动多目标进行选择和跟踪，并能够准确的计算出系统所需要的数据．     

测向交叉定位系统的动态航迹起始算法

提出了一种两站测向交叉定位系统多目标跟踪的动态航迹起始算法。该算法根据启发式规则消除一部分虚假定位点,用Hough变换法检测出所有直线航迹,再利用逻辑法起始真实目标的航迹。对存在虚警、漏检和目标数量未知的复杂环境的仿真研究,证明了该算法的有效性。讨论了新算法由两站系统推广到多站系统的方法,避免了多站测量数据关联的NP完全问题。     

阵元利用率最高的MIMO雷达阵列结构优化算法

提出了一种多输入多输出雷达阵列结构优化新算法．首先要求在实际物理阵元数最少的条件下能够在接收端获得尽可能多的有效虚拟阵元数,即系统总的物理阵元利用率最高; 然后约束多输入多输出雷达的虚拟阵列满足最小冗余阵的要求,从而提高系统的分辨率并克服栅瓣和高旁瓣的影响．理论分析和算法求解结果都表明,该算法优化出的多输入多输出雷达阵列是收发为同一阵列的非均匀线阵,在物理阵元总数相同的条件下,较其他阵列结构具有更好的波束性能．     

粒子群算法在多传感器多目标跟踪的应用

多传感器多目标跟踪系统中,数据关联是其中的关键问题之一.它可以表述为多维分配问题,提出了基于粒子群优化算法的多维分配算法,它将多维分配问题中的目标代价函数极小化问题作为组合优化问题求解.通过在粒子群初始化步骤以及交叉和变异时充分考虑确认备选量测,缩小优化搜索范围,能较快找到最优解实现关联.在虚警和漏检、密集目标环境下,该算法应用于多传感器多目标融合系统仿真,结果表明所述算法在多目标数据关联中有较好的可行性和优越性.     

强干扰环境下水下纯方位PMHT多目标跟踪

针对强干扰环境水下纯方位多目标跟踪的非线性、不可观测性以及数据关联模糊等问题,基于期望极大化算法,结合扩展卡尔曼滤波(extended Kalman filter,EKF)平滑算法和无味卡尔曼滤波(unscented Kalman filter,UKF)平滑算法,提出了基于EKF和UKF的多传感器多目标纯方位概率多假设跟踪(probabilistic multiple hypothesis tracking,PMHT)算法。纯方位PMHT算法通过引入目标和量测数据之间的关联变量来解决量测与目标之间的数据关联模糊问题。简化了基于EKF平滑算法的多传感器纯方位PMHT算法,避免堆积每个传感器的合成量测,有效减小了运算量。仿真结果表明,在水下强干扰环境下,对于静止多观测站和机动单观测站,2种算法对多个交叉运动目标和邻近运动目标的航迹关联成功率高,抗干扰性能好,并且运算量小,证明了算法的有效性。     

一种新的高超声速目标跟踪算法

针对高超声速目标飞行速度快、机动能力强,而经典跟踪模型难以准确描述目标机动时加速度动态特性的问题,提出了一种改进的交互式多模型跟踪算法.该算法引入参考加速度概念,可较准确地描述目标运动特性,并实时结合目标机动的先验信息和动态信息.仿真结果表明,所提出的方法在跟踪高超声速目标时,具有快速收敛、均方根误差小、跟踪精度高的特点,相比Singer-IMM算法,具有更强的适应性.     

Multiple maneuvering extended targets tracking with Gaussian process regression

In view of the complexity of estimating the shape of the extended target and the low accuracy in multiple maneuvering extended targets tracking in the clutters, a multiple maneuvering extended targets tracking algorithm with Gaussian Process Regression is proposed. First, the extension of targets is modeled as a star-convex model. Then, the concept of weights used in the multiple targets tracking algorithm is introduced to the single maneuvering extended target tracking algorithm to realize multi-targets tracking. Finally, the Gaussian Process Regression is used to estimate the shape for the extended target. Simulation shows that the proposed algorithm is capable of tracking multiple maneuvering extended targets in the same scene with different shapes, and outperforms the traditional non-ellipsoidal extended target tracking algorithm in the estimation precision and computing speed.     

分布式光伏发电系统多峰值MPPT优化研究

针对实际应用中环境复杂性导致光伏阵列的输出呈现多峰值现象,而传统控制方法在此情况下存在无法持续高效的跟踪到最大功率点的难题,将优化的多峰值支持向量机函数和具备快速收敛特性的猫群算法相融合,提出一种基于自适应权重迭代收敛的改进型猫群算法(IMCGA),并用于解决局部遮阴情况下的多峰值寻优问题,从而实现太阳能发电系统的最大功率跟踪功能。通过搭建光伏电池的数学模型,分析局部遮阴情况下光伏电池的多峰值输出特性;通过详细分析IMCGA智能算法中自适应权重和变异算子的优化构造,阐述IMCGA算法在局部遮阴的光伏系统最大功率点跟踪的实现过程。最后,通过与一系列传统控制算法进行对比仿真实验,显示所提出控制算法的优越性。     

基于锁角环路的空间多目标跟踪算法

为了解决传统的移动多目标跟踪计算量大、实时性差的问题,针对阵列天线提出一种基于锁角环路的多目标跟踪算法.该算法利用正交波束空间矩阵,对多个目标的分布范围进行初始定位,并以此作为锁角环路的初始状态;在得到方位的粗估计后,采用基于空间相关器的锁角环路,对快速移动目标源进行自适应的实时跟踪,该算法既保证了环路在任意初始状态下都能进入锁定状态,又提高了环路的跟踪性能.仿真表明：该算法在跟踪多个空间目标时不但具有较高的精度,而且有很好的实时性.同基于PASTd的跟踪算法相比,在性能相近的条件下,有效地降低了计算复杂度.     

基于成像声呐的水下多目标跟踪研究

针对水下多目标跟踪问题,提出基于成像声呐的高效目标跟踪算法. 基于声呐的成像特点,针对声学图像中的每个像素点,建立基于信号强度的回波信号模型,提取图像中的个体目标. 采用基于序贯蒙特卡罗的概率密度假设(SMCPHD)滤波对各目标状态进行滤波,结合Auction航迹识别算法将滤波后的目标状态与已确定的航迹进行关联,实现多目标跟踪. 通过算法的仿真分析发现,该方法相对于基于数据关联型的多目标跟踪算法如联合概率数据关联(JPDA)算法、多假设跟踪(MHT)算法,大大提高了计算效率. 对采集的现场数据进行目标提取与跟踪,获得目标的跟踪轨迹.     

群目标跟踪自适应IMM算法

为提高对机动群目标在高量测误差下的跟踪性能,提出了一种自适应IMM群目标跟踪算法.首先,在群质心状态估计中,引入带有多重次优渐消因子的强跟踪滤波算法,提高机动阶段时对群质心状态估计的精度.其次,在扩展状态估计中,考虑量测精度对于扩展状态的影响,将量测误差和扩展状态同时纳入到量测似然函数的构建中,应用新息计算和渐消记忆迭代过程自适应更新量测误差协方差矩阵.最后,通过quasi-Bayesian方法自适应更新模型转换概率,利用量测数据修正模型转换概率,抑制非匹配模型作用,放大匹配模型作用,实时匹配跟踪模型与目标运动状态.仿真实验结果表明,该方法有效提高了对群质心状态和扩展状态的估计精度.     

无人机编队视频序列中的多目标精确跟踪

针对无人机编队视频序列中的多目标精确跟踪的要求,使用STK三维建模软件模拟无人机编队飞行视频,通过双差分图像操作、多分辨率连通分支标记算法确定图像中的运动区域.提出了一种改进的贪婪算法,利用已确定的矩形运动区域作为初始轮廓,实现对无人机目标的精确轮廓提取.以运动区域的中心位置为输入,建立在线卡尔曼滤波器组对多目标进行跟踪,并由此提出了如何对多目标中的遮挡问题进行判定、分割的方法.仿真实验验证了文中提出的方法.     

结合稳健估计和Meanshift的视频目标跟踪算法

针对Meanshift目标跟踪算法对强噪声环境敏感的问题,提出了一种结合稳健估计和传统Meanshift的修正Meanshift算法.通过稳健估计修正传统Meanshift算法的核概率密度函数,提升Meanshift算法的鲁棒性.针对信噪比分别为60、30和0 db的仿真数据,将传统Meanshift算法和修正Meanshift算法的跟踪轨迹准确性和精度进行对比.结果表明,修正Meanshift算法能够实现目标准确跟踪,且跟踪位置的相对误差在1%以下.对于实际运动目标视频数据,所提算法也可以实现实时跟踪定位,克服了传统Meanshift算法目标跟踪丢失的问题.     

基于串行处理的动态多维分配算法

提出一基于串行处理的动态多维分配算法,将静态分配问题推广到动态跟踪中,并给出了互联测量代表元确定、航迹起始、野关联剔除等关键问题的数学模型．仿真结果表明,该算法能够对多目标进行稳定的跟踪．